具有非加性迭代依赖马尔可夫噪声的双时间尺度随机递归包含
系统与控制
2016-11-21 v1
摘要
本文研究在具有集值漂移函数且存在非加性迭代依赖马尔可夫噪声的情况下，双时间尺度随机逼近方案的渐近行为。研究表明，每个时间尺度上的递归跟踪一个微分包含的流，该微分包含是通过针对一组测度对递归中的集值漂移函数取平均得到的，这些测度同时考虑了关于马尔可夫噪声项平稳分布的平均以及不同时间尺度上两个递归之间的相互依赖。本文研究的框架建立在A. Ramaswamy等人的工作之上，通过允许非加性迭代依赖马尔可夫噪声的存在。作为应用，我们考虑约束凸优化问题中计算最优值的问题，其中目标函数和约束关于底层马尔可夫链的平稳分布取平均。此外，所提方案既不需要目标函数的可微性，也不需要平均测度的知识。
引用
@article{arxiv.1611.05961,
title = {Stochastic Recursive Inclusions in two timescales with non-additive iterate dependent Markov noise},
author = {Vinayaka Yaji and Shalabh Bhatnagar},
journal= {arXiv preprint arXiv:1611.05961},
year = {2016}
}